我一直在尝试找到允许我替换数据框列中缺失值的 Python 代码。我的分析重点是生物统计学,因此我不习惯使用平均值/中位数/众数来替换值。我想申请“热甲板插补”方法。
我无法在网上找到任何采用数据帧列并使用“Hot Deck Imputation”方法填充缺失值的 Python 函数或包。
然而我确实看到了这个GitHub项目 and did not觉得有用。
以下是我的一些数据的示例(假设这是一个 pandas 数据框):
| age | sex | bmi | anesthesia score | pain level |
|-----|-----|------|------------------|------------|
| 78 | 1 | 40.7 | 3 | 0 |
| 55 | 1 | 25.3 | 3 | 0 |
| 52 | 0 | 25.4 | 3 | 0 |
| 77 | 1 | 44.9 | 3 | 3 |
| 71 | 1 | 26.3 | 3 | 0 |
| 39 | 0 | 28.2 | 2 | 0 |
| 82 | 1 | 27 | 2 | 1 |
| 70 | 1 | 37.9 | 3 | 0 |
| 71 | 1 | NA | 3 | 1 |
| 53 | 0 | 24.5 | 2 | NA |
| 68 | 0 | 34.7 | 3 | 0 |
| 57 | 0 | 30.7 | 2 | 0 |
| 40 | 1 | 22.4 | 2 | 0 |
| 73 | 1 | 34.2 | 2 | 0 |
| 66 | 1 | NA | 3 | 1 |
| 55 | 1 | 42.6 | NA | NA |
| 53 | 0 | 37.5 | 3 | 3 |
| 65 | 0 | 31.6 | 2 | 2 |
| 36 | 0 | 29.6 | 1 | 0 |
| 60 | 0 | 25.7 | 2 | NA |
| 70 | 1 | 30 | NA | NA |
| 66 | 1 | 28.3 | 2 | 0 |
| 63 | 1 | 29.4 | 3 | 2 |
| 70 | 1 | 36 | 3 | 2 |
我想应用一个 Python 函数,该函数允许我输入一列作为参数,并返回该列,并使用“Hot Deck Imputation”方法将缺失值替换为估算值。
我将其用于使用线性和逻辑回归等模型进行统计建模的目的Statsmodels.api
。我不会将其用于机器学习。
任何帮助将非常感激!
您可以使用ffill
使用last observation carried forward
(LOCF) 热代码插补。
#...
df.fillna(method='ffill', inplace=True)
Scikit-learn impute 提供 KNN、Mean、Max 等插补方法。 (https://scikit-learn.org/stable/modules/impute.html)
# sklearn '>=0.22.x'
from sklearn.impute import KNNImputer
imputer = KNNImputer(n_neighbors=2, weights="uniform")
DF['imputed_x'] = imputer.fit_transform(DF[['bmi']])
print(DF['imputed_x'])
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)